百度研发的预训练模型ERNIE在处理中文任务上自称超越了Bert模型，本次教程以文本的情感分类作为例子，首先在控制台找到nlp模块
然后创建自己的应用，个人申请的时候应该是不需要审核的，之后就可以看到自己应用下的三个参数：APPID APIKEY Secret Key这三个参数是用来鉴权（oauth2.0认证方式，感兴趣可以自行百度）的，在调用百度AI的接口时需要用到。
接口调用支持以下语言：
本人实验了python和Java两种方式，使用python比较方便，在数据预处理中可以使用其他的包，但是接口链接时的配置官方给出的不是很全面，而Java相反，可以配置很多调用接口的客户端的一些链接参数，但是数据预处理不方便。
pip install baidu-aip
from aip import AipNlp
""" 你的 APPID AK SK """
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
如果用户需要配置AipNlp的网络请求参数(一般不需要配置)，可以在构造AipNlp之后调用接口设置参数，目前只支持以下参数：
| 接口 | 说明 |
|---|---|
| setConnectionTimeoutInMillis | 建立连接的超时时间（单位：毫秒） |
| setSocketTimeoutInMillis | 通过打开的连接传输数据的超时时间（单位：毫秒） |
对包含主观观点信息的文本进行情感极性类别（积极、消极、中性）的判断，并给出相应的置信度。
text = "苹果是一家伟大的公司"
""" 调用情感倾向分析 """
client.sentimentClassify(text);
返回参数
{
"text":"苹果是一家伟大的公司",
"items":[
{
"sentiment":2, //表示情感极性分类结果
"confidence":0.40, //表示分类的置信度
"positive_prob":0.73, //表示属于积极类别的概率
"negative_prob":0.27 //表示属于消极类别的概率
}
]
}
gbk格式，在传入之前可以自行编码text = text.encode(encoding='gbk', errors='ignore').decode(encoding='gbk', errors='ignore')
其他接口nlp任务接口可自行查看客户端的源码或者是官方API文档点击查看
pymysql 1.0.2
baidu-Aip 2.2.18.0
# encoding=utf-8
from pymysql import connect,cursors
from aip import AipNlp
import math
import logging
import time
logger = logging.getLogger(__name__)
logger.setLevel(level=logging.INFO)
handler = logging.FileHandler("baiduAi.log")
handler.setLevel(logging.INFO)
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
handler.setFormatter(formatter)
logger.addHandler(handler)
class BaiduAi:
def __init__(self,APP_ID,API_KEY,SECRET_KEY,host,username,pwd,db):
# self.APP_ID = APP_ID
# self.API_KEY = API_KEY
# self.SECRET_KEY = SECRET_KEY
self.client = AipNlp(APP_ID,API_KEY,SECRET_KEY)
self.conn = connect(
host=host,
user=username,
password=pwd,
database=db,
charset='utf8'
)
def get_document(self,page,size=20):
cursor = self.conn.cursor(cursor=cursors.DictCursor)
sql = "select * from tweet limit %s,%s" %((page-1)*size,size)
cursor.execute(sql)
res = cursor.fetchall()
cursor.close()
return res
def get_count(self):
cursor = self.conn.cursor()
sql = "select count(*) from tweet"
cursor.execute(sql)
res = cursor.fetchmany(1)
cursor.close()
return res[0][0]
def close(self):
self.conn.close()
def classify(self,sentence):
# 修改编码格式
sentence['text'] = sentence['text'].encode(encoding='gbk', errors='ignore') \
.decode(encoding='gbk', errors='ignore')
try:
res = self.client.sentimentClassify(sentence['text'])
if "items" in res:
res = res['items'][0]
cursor = self.conn.cursor()
sql = "update tweet set positive=%s,negative=%s,sentiment=%s where id=%s"
cursor.execute(sql, [res['positive_prob'], res['negative_prob'], res['sentiment'], sentence['id']])
self.conn.commit()
cursor.close()
else:
logger.warning("process text:{}\nencounter warning{},text_id = {}".format(sentence['text'],
res['error_msg'],sentence['id']))
except Exception:
logger.error("process text:{} \nencounter error,text_id = {}".format(sentence['text']),sentence['id'])
if __name__ == '__main__':
baiduAi = BaiduAi()//在这里传入你自己的参数
total = baiduAi.get_count()
size = 20
page = int(math.ceil(total*1.0/size))
start = time.time()
for i in range(86,page+1):
logger.info("load data page = %s,size = 20"%i)
sentences = baiduAi.get_document(i);
for s in sentences:
baiduAi.classify(s)
time.sleep(1)
logger.info("finish classify %s/%s"%(i*20,total))
end = time.time()
logger.info("Successfully classify all in %s"%(end-start))